内容审核-文本

KPI异常检测学件服务 创建项目 数据集 模型训练 模型管理 推理服务 父主题： 学件开发指南

查看更多 →

创建项目 KPI异常检测学件服务，封装在模型训练服务的“KPI异常检测”模板中。可通过创建“KPI异常检测”模板项目，体验KPI异常检测学件服务。 目前KPI异常检测学件，仅支持对单KPI进行异常检测。 在模型训练服务首页，单击“KPI异常检测”模板中的“使用模板创建”。 弹出“创建项目”对话框，如图1所示。

查看更多 →

件已经集成了几十维到上百维不同种类的特征库，源于历史各类Case和通用KPI异常检测的算法库。后面会不断丰富特征库和算法库。 KPI异常检测公共学件，如图1所示。 图1 KPI异常检测公共学件 KPI异常检测公共学件的功能，如表1所示。 表1 公共学件的功能模块 功能模块 说明 数据接入模块

查看更多 →

型描述等信息，并勾选归档的学件模型“Learnware”。 单击“打包”，将归档的KPI异常检测学件内容打包成模型包。 打包完成后，界面新增“Learnware”模型包。 父主题： KPI异常检测学件服务

查看更多 →

样例数据：模型训练服务环境中预置的用户体验数据。包括鸢尾花原始测试集、鸢尾花训练集、鸢尾花测试集、KPI 15分钟数据集、KPI 60分钟数据集、KPI异常检测数据集。 其中鸢尾花原始测试集、KPI 15分钟数据集和KPI 60分钟数据集中包括空值，用户可以通过特征工程进行数据修复，剔除空值。 本地

查看更多 →

模型训练 导入SDK 选择数据 特征画像 模型选择 训练模型 测试模型 开发推理 归档模型 父主题： KPI异常检测学件服务

查看更多 →

仅支持提供一个推理服务调用接口，无法满足某些Case的需求，比如：KPI异常检测。 模板优势 使用云端推理框架的“模板管理”具备如下优势： 相对于仅能使用固定类型的模型类型TensorFlow，模板部署模型包的方式仅可以满足定制化的需求。比如：使用Java的Case；KPI异常检测Case定制启动的命令或提供多个推理服务调用接口。

查看更多 →

模型选择 目前，学件已经集成了几十维到上百维不同种类的特征库，源于历史各类Case和通用KPI异常检测的算法库。通过数据的特征画像，可以实现自动化的特征推荐和算法推荐。 单击“特征画像”左下方的“模型选择”。 新增“模型选择”内容，如图1所示。 图1 模型选择 单击“模型选择”代码框左侧的图标，运行代码。

查看更多 →

数据标注对于KPI异常检测非常重要，可以有效提升监督学习训练过程中KPI异常检测的准确率，在无监督学习中对模型做验证评估。 监督学习：使用标注工具对原始数据进行标注，并将标注数据用于训练。用户基于训练结果确认并更新数据标注，将标注数据重新用于训练，提升KPI检测准确率。 无监督

查看更多 →

学件开发指南 学件简介 订购模型训练服务 访问模型训练服务 KPI异常检测学件服务 多层嵌套异常检测学件 硬盘故障根因分析学件 时序预测学件 修订记录

查看更多 →

修订记录 发布日期 修订记录 2021-07-30 KPI异常检测、多层嵌套异常检测、硬盘故障根因分析学件操作，均按照最新环境更新完成。 新增“时序预测学件”。 2019-07-30 新增多层嵌套异常检测学件，对应新增“多层嵌套异常检测学件”。 新增硬盘故障根因分析学件，对应新增“硬盘故障根因分析学件”。

查看更多 →

用户创建项目的通知信息，包括数据集、特征工程、模型训练、模型管理和模型验证中任务执行失败的所有通知。 退出登录图标。 3 创建项目图标。 4 KPI异常检测 KPI时序预测 硬盘检测 模型训练服务预置的网络领域开发模板，可以直接单击“使用模板创建”，生成对应领域的项目，项目中预置了数据集、算法工程操作流、模型训练算法和模型验证算法。

查看更多 →

上述通用异常检测功能检测项开关默认开启，同时设备异常检测包括一些非公共检测项，用户可以根据需求进行检测项的开关等配置。 表1 检测项说明 检测项 说明 内存泄漏检测 检测端侧设备是否存在内存泄漏。 异常端口检测 检测端侧设备是否开启了异常端口。 CPU使用率检测 检测端侧设备CPU使用率是否过高。

查看更多 →

创建模型训练服务项目 创建项目用于创建项目空间，并创建JupyterLab环境容器。 在模型训练服务首页，单击“KPI异常检测”模板中的“使用模板创建”，如图1所示。 图1 创建项目 按照界面提示，配置“创建项目”对话框参数。 单击“创建”，完成模型训练服务项目的创建。 在模型训练服务首页，项目新增完成，如图2所示。

查看更多 →

Array of JourneyPointModel 否 KPI模型。 表5 JourneyPointModel 名称 类型 是否必选 描述 kpiType String 否 KPI指标类型。 kpiValue Double 否 KPI指标值。 缺省值:0 表6 返回状态码 返回状态码 状态码说明

查看更多 →

项目。使用模板创建项目后，项目中会预置有相关的数据集、特征处理操作流、模型训练算法以及模型验证算法。当前支持的模板有： KPI异常检测 KPI时序检测 硬盘检测 是否公开 项目是否可以被所属用户组的其他用户访问： 是 否 公开至组 仅当“是否公开”设置为“是”，才会展示“公开至组”。

查看更多 →

开发推理 目前“专家经验注入”是为Gpr数据集定制，如果用户使用Gpr数据集体验KPI异常检测学件的操作流程，可以先执行“专家经验注入”，再执行“开发推理”，那么专家经验会自动转成代码并关联到模型推理函数里面。 “开发推理”用于生成推理代码至推理文件“learnware_predict

查看更多 →

"returnData":{ "id":"P_20200317141930_842365822", "name":"KPI异常检测批数据V5", "description":null, "userId":"PUBLIC",

查看更多 →

%，则认为异常。 异常成本记录有如下3种异常等级： 轻微：>0% 且 <20% ； 普通：≥20% 且 <50% ； 严重：≥50% 。 异常成本的时延 异常成本为非实时数据。您可以在当天下午查看前一天的异常数据，前一天的所有异常数据是基于前天的数据进行分析得到的异常数据。如果您

查看更多 →

创建异常检测任务 在监控服务快速配置异常检测任务 在监控服务新增异常检测任务 通过调整模型参数对异常告警调优 父主题： 使用监控服务进行资源及业务监控

查看更多 →

和如何使用NAIE训练平台导入数据、特征操作、模型训练、模型打包与模型验证的操作指导。 《学件使用指南》 模型训练服务预置了KPI异常检测、多层嵌套异常检测、硬盘故障根因分析等多个学件，供用户直接利用学件能力，定制生成业务模型。 文档提供了所有学件的界面操作过程，从创建项目、数据

查看更多 →